Открытый юридический ИИ против Harvey и Legora: первый удар придётся по марже

Но рынок пока не ведёт себя так, будто коммерческие лидеры уже проиграли. Один отчёт указывал, что в марте 2026 года Harvey привлёк $200 млн при оценке $11 млрд, а Legora — $550 млн в Series D при оценке $5,55 млрд . Другой отчёт писал, что после этого раунда Legora обслуживает более 800 клиентов в 50 рынках . Эти цифры не доказывают, что продукт лучше. Но они показывают: инвесторы и enterprise-покупатели всё ещё верят в большой спрос на управляемые юридические ИИ-платформы.

Почему open source внезапно стал серьёзным

Многие юридические ИИ-задачи устроены не как магия, а как повторяемая инженерная схема: загрузить документы, разбить их на фрагменты, превратить фрагменты в embeddings, положить их в поисковую или векторную базу, затем попросить модель ответить, обобщить или подготовить черновик на основе найденного контекста.

Это и есть практическая логика RAG — retrieval-augmented generation, то есть генерации с опорой на найденные источники. Для юристов ключевой момент здесь не сам чат, а возможность проверить, откуда взялся ответ.

Open-source legal RAG уже описывает именно такой подход. Система Ready Tensor для юридических документов использует загрузку PDF, semantic embeddings, индексацию через FAISS и ответы LLM . LegalRAG строится вокруг векторной базы оцифрованных юридических текстов для контекстных ответов . Проект legal-rag-hy на GitHub описывает retrieval, оценку релевантности с учётом юрисдикции и генерацию ответов с цитатами .

Поэтому базовая document intelligence перестаёт быть исключительной территорией венчурных платформ. Открытые системы и фреймворки всё чаще нацелены на contract review, legal research, анализ документов и compliance workflows . При этом важно не путать открытый workflow с полностью открытой моделью: Mike позволяет подключать ключи Claude или Gemini , а LexClaw заявляет model-agnostic подход с GPT, Claude, GLM или локальными моделями . Иными словами, open-source legal AI часто означает открытую или самохостинговую прослойку, а не обязательно полностью открытую модель на каждом уровне стека.

Где открытый ИИ ударит первым

Ближайшая зона риска — типовые, массовые и сравнительно низкорисковые задачи. Там покупатель может согласиться на дополнительную настройку внутри компании в обмен на меньшие лицензии и больший контроль над данными.

Экономика здесь неприятна для коммерческих платформ. Если фирма может сама развернуть legal AI workflow и платить в основном за модель, вычисления и внутреннюю поддержку, ей легче спросить: за что именно мы платим поставщику $1 200 за место или аналогичный premium?

Но бесплатный код не означает бесплатное внедрение. Lawra отмечала, что прежние open-source альтернативы требовали серьёзной инженерной сборки: chunking pipelines, vector databases, citation parsers и prompt orchestration . К этому добавляются governance, тестирование качества, безопасность, права доступа, обучение пользователей и политика работы с конфиденциальными данными.

Почему Harvey и Legora всё ещё защищены

Harvey и Legora продают не просто чат-бот. Они продают управляемый enterprise-продукт, который крупная юридическая фирма может провести через procurement, security review, обучение, интеграции и разговор с клиентом.

Для юридического рынка это критично. Здесь цена ошибки высока, а доверие часто важнее красивой демоверсии. Business Insider описывал Harvey и Legora как компании, которые борются за клиентов и репутацию в консервативной юридической отрасли, где на ускоренное внедрение ИИ поставлены миллиарды долларов .

Бренд тоже работает как защита. Отчёт Sacra со ссылкой на директора по инновациям в крупной юридической фирме утверждал, что некоторые крупные фирмы выбирают Harvey отчасти потому, что клиенты просят его по имени . Это важный сигнал: в BigLaw поставщик может выигрывать не только из-за функций, но и из-за узнаваемости, внешнего давления и ощущения безопасности.

Данные об adoption также объясняют, почему enterprise-упаковка важна. Один отчёт за 2026 год писал, что 69% юридических профессионалов используют general-purpose AI, а 42% — специализированные legal AI tools. Но только 34% фирм формально внедрили ИИ, а 43% не имеют AI policy и не планируют её создавать . В такой среде самохостинговый инструмент может понравиться технической команде, но многим фирмам всё ещё нужен поставщик, который берёт на себя внедрение, поддержку, обучение и документацию.

Есть и вопрос глубины workflow. Harvey в своём опросе 2026 года описывает применение ИИ в крупных фирмах не только для вспомогательных задач, но и для substantive, client-facing workflows: drafting, contract negotiation, due diligence, discovery automation, playbook generation и timelines . Open-source инструменты уже атакуют отдельные куски этой цепочки. Но источники пока не показывают, что они выигрывают внедрения масштаба Harvey или Legora.

Главный вопрос — не цена, а lock-in

Самый сильный аргумент open source — не только экономия. Это контроль.

Law360 писала, что ранние пользователи legal AI всё чаще смотрят на измеримую экономию и переносимость между моделями, чтобы избежать lock-in . Такая логика работает в пользу модульной архитектуры: свои хранилища документов, сменяемые модели, открытые инструменты оценки качества и workflows, которые не зависят полностью от roadmap одного поставщика.

Именно здесь open source может заставить коммерческие платформы меняться даже без прямого вытеснения. Harvey, Legora и их конкуренты будут сталкиваться с давлением в пользу выбора моделей, exportability, прозрачной оценки результатов и более дешёвых тарифов для commodity-задач. Если они этого не дадут, open-source стек станет убедительным вариантом в классическом build-vs-buy споре.

Что сделает open source настоящей заменой

Открытый юридический ИИ станет прямой угрозой enterprise-внедрениям тогда, когда доказательства сместятся от возможностей проектов к институциональному adoption. Следить стоит за такими сигналами:

• подтверждённые внедрения в крупных юридических фирмах или регулируемых legal departments;
• аудит безопасности, прав доступа, логирования и retention-политик;
• стабильные citation и evaluation workflows, включая инструменты оценки legal RAG вроде LRAGE ;
• интеграции с document management, matter management, contract lifecycle management и e-discovery системами;
• support-модели, которые дают фирме понятную ответственность, если система ломается.

Пока эти признаки не стали массово видимыми, open source лучше понимать как слой давления. Он снижает готовность платить за универсальный document chat. Он подталкивает покупателей к переносимости моделей. Он помогает небольшим и чувствительным к бюджету legal-командам строить полезные системы без premium-платформ.

Но для наиболее рискованных, клиентских и репутационно чувствительных задач Harvey и Legora сохраняют сильные позиции: доверие бренда, упаковка workflows, поддержка, безопасность, обучение и способность пройти enterprise-внедрение.

Итог

Open-source legal AI уже достаточно серьёзен, чтобы коммерческие платформы перестали продавать document intelligence как магию. Первый удар приходится по марже, vendor lock-in и типовым workflows. Но для крупных юридических фирм покупаемый продукт всё ещё шире, чем модель: это governance, интеграции, поддержка, клиентский комфорт и репутационная безопасность.

Практический ответ — да, угроза реальна. Но с важной оговоркой: open source уже угрожает тому, как Harvey и Legora назначают цену и упаковывают юридический ИИ. Он пока не доказал, что способен заменить их самые сильные enterprise-внедрения.